Papers with Code 아카이브
Benchmarking
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 0
- 평가표
- 2
- 보존된 평가 기록
- 2
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
생성형 AI(GenAI) 학습 조사를 위한 수학 교육 디지털 섀도: 대규모 언어 모델의 수학 성과, 불안 및 자신감
AuditRepairBench: 에이전트 수리에서 평가자 채널 순위 불안정성을 위한 쌍 실행 추적 코퍼스
방향성 환각: 뉴스 기반 LLM 질의응답에서의 이념적 표류
DFAH-Bench: 금융 의사결정에서 관측 가능한 에이전트 불안정성 벤치마킹
OPOD: 온-정책 옴니 증류
AREX: 심층 연구를 위한 재귀적 자기 개선 에이전트
클라우드 없는 에이전트형 코딩: 종단 데이터 준비 작업에서 오픈 가중치 대규모 언어 모델 평가
FlowEvo: 워크플로우와 실행 가능한 스킬의 공진화를 통한 자기 진화 에이전트
이종 엣지 디바이스에서 빠른 LLM 선별을 위한 전이 가능한 지연 시간 예측
그래프 신경망의 깊이 인식 장거리 전파를 위한 스펙트럴 플로우 인증
SCOPE와 SCION: 텍스트로부터의 스키마 유도 및 융합을 위한 벤치마크와 감사 가능한 참조 파이프라인
절차적 지식은 저랭크가 아니다: LoRA가 다단계 절차를 내재화하지 못하는 이유
Hard Decision Layer: 트랜스포머에서 확정적 추론(committed inference)에 대한 증거
LLM 기반 개체 해소를 이용한 혼합 형식 점유 데이터에서의 가구 이동 탐지
컨텍스트 속 길을 잃음: 대규모 언어 모델의 컨텍스트 불안 해결
소형 모델 연속 제어에서 GRPO 수렴의 전제조건으로서의 이산 행동 공간
교차 모델 LLM 코드 리뷰: Claude로 Codex를 검토해야 할까, 그 반대일까?
프로그램을 위한 픽셀? 텍스트와 이미지 형태 소스 코드의 입력 토큰 집계에 대한 다중 제공자 사례 연구
지속적 계산 상태: 생성형 월드 모델을 위한 세션 중심 런타임
AI 레드팀 평가가 증명할 수 있는 것과 증명할 수 없는 것
모든 모델이 부정행위를 한다: 공격적 사이버 과제에서 부정행위에 대한 프롬프트 수준 완화
계절성에서 의미론으로: 볼리비아 도로 봉쇄 예측을 위한 하이브리드 확률 예측 시스템 벤치마킹
TRW: TRACE-RealWorld---구체화 뷰로서의 월드 모델을 위한 감사 가능한 일관성 계약
LLM 논리 추론을 위한 기호학적 논리 육각형 이론
ACME: 다문화, 다중 체형 사회적 내비게이션 데이터셋
항공 MLLM 에이전트에 대한 제로샷 미션 수준 평가
전체적 프레임워크를 통한 에이전트 보안의 재정의
강화학습 하이퍼휴리스틱의 실행 시간 분석
Nanbeige4.2-3B: 소형 모델에서 에이전트 역량 실현
역할 기반 접근 제어(RBAC) 하에서 Text-to-SQL 벤치마킹
현장 학습: 고정 가중치 에이전트를 위한 배포 피드백 기반 지속 학습
Neptuna: 복잡한 다상 유동 벤치마킹을 위한 포괄적 기계학습 프레임워크
구조적 수렴 학습: 시간적 추론을 위한 신경-기호 벤치마크
에이전트 벤치마크는 역량을 측정하는가? 에이전틱 AI 시대의 프로토콜 타당성
IDEAgent: 연구 아이디어 생성을 위한 에이전트형 품질-다양성(Quality-Diversity) 검색
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.